自动化工具word文档批量转html

企业有很多的科室，科室的每个人或多或少都会写一些文档，有些文档领导需要浏览，解决的办法是将编辑的文档打印出来，供领导浏览，或是为了节约企业成本，文档就在人与人这间或部门之间copy过来，copy过去。如果员工或领导不善于管理文档，就会造成有很多的版本，或者是在以后无法轻松的找到相关的文档。

所以企业专门找到一个人（文档管理员），让这个人负责文档的管理。而文档的管理的方式有两种形式，第一种是doc形式的（即word文档），第二种是分享形式的。

对于第一种文档管理方式，只涉及到这个文档管理员，收集各部门的文档，将部门规划成一种如下图的形式：

然后在部门中再规划人员，如下图：

 

通过第一种形式，那么文档的管理也就解决了。只保存最新文档，对文档进行汇总等，如果领导需要什么文档的话，只需要让文档管理员打印并呈送就可以了。

但是领导或职员需要什么文档？领导也不是一台机器，没有过目不忘的本领，并不知道公司有什么文档？如果文档中有错字有谁来发现？所以为了解决这几个问题，需要实现文档的分享，也就是第二种文档管理方式。

解决思路是在局域网中建立一个网站，企业中的任何一个人都可以浏览公司的文档。通过这个网站，企业中的任何一个人也都知道本企业有什么文档，寻找资料也会方便些。

网站也很简单，只需要实现目录结构上的复制，部门对应部门，人员对应人员。再把doc转换成html，文档名称对应页面名称。然后再自动生成网站首页，这个网站也就做完了。

技术实现：
在这里只是大体介绍一下，如果需要了解技术详细的话，可以下载下面的源代码。

1.给定需要转换的目录（包含word文档的目录）和输出目录
2.读取目录中的所有word文档
3.将所有的word文章转换成Html文件，并将html文件保存到输出目录下对应的目录（即部门对应部门，人员对应人员），代码如下

public void ToHtml(string filePath)  

{

    this.FilePath = filePath;

    Word.Application word = new Word.Application();

    Type wordType = word.GetType();

    Word.Documents docs = word.Documents;

    Type docsType = docs.GetType();

    Word.Document doc = (Word.Document)docsType.InvokeMember("Open",

        System.Reflection.BindingFlags.InvokeMethod, null, docs,

        new Object[] { (object)FilePath, true, true }); //打开word文档

    Type docType = doc.GetType();

    CreateDirectory(TargetDirectoryPath);  //源目录对应目标目录 

    string strSaveFileName = TargetFilePath;  //转换成目标文件路径

    object saveFileName = (object)strSaveFileName;

    //另存为html,关闭文档并退出

    docType.InvokeMember("SaveAs", System.Reflection.BindingFlags.InvokeMethod,

        null, doc, new object[] { saveFileName, Word.WdSaveFormat.wdFormatFilteredHTML });

    docType.InvokeMember("Close", System.Reflection.BindingFlags.InvokeMethod, null, doc, null);

    wordType.InvokeMember("Quit", System.Reflection.BindingFlags.InvokeMethod, null, word, null);

}

word转为html后，测试页面样式：

4.生成首页，并将首页保存到输出目录下。为使首页结构清晰，使用了jquery插件treeview。

public string ToHtmlStructure(DirectoryInfo directory)

{

            

    FileInfo[] files = null;

    DirectoryInfo[] subDirs = null;

    files = directory.GetFiles("*.*");

    _sb.AppendLine(AddUl());

    foreach (FileInfo fi in files)

    {



        string relativelinks = Uri.EscapeUriString(fi.FullName.Replace(string.Format(@"{0}\", DirectoryPath), "").Replace('\', '/'));

        _sb.AppendLine(string.Format("<li><a href='{0}' target='_blank'>{1}</a></li>",relativelinks, fi.Name));

    }

    subDirs = directory.GetDirectories();

    foreach (DirectoryInfo dirInfo in subDirs)

    {

        _sb.AppendLine("<li>");

        _sb.AppendLine(dirInfo.Name);

        ToHtmlStructure(dirInfo);

        _sb.AppendLine("</li>");

    }

    _sb.AppendLine("</ul>");

    return _sb.ToString();

}

生成的首页显示大体如下（非企业的文档，而是自己的文档）：

开发环境：win7+vs2010+office2007

测试环境：win7+office2007

总结：
在开发这个工具时，最主要的还是word转html。而我使用的方式是com方法调用word的open,saveas,close和quit。这种方式会在word的最近浏览记录中留下信息，如下：

并且html的生成完全由word控制，生成的html的样式也完全由word控制。有的文章转换为html后，显得html内容不美观。我测试了一下，安装不同的office版本，office2003（无法转换高版本的文档）,office2007,office2010,版本越高，转换后的html样式越好。

我也在网上寻找了word转html的控制方式（包括国内的、国外的），发现如果想完全控制转换，似乎是不可能的。当然也有doc转换工具，如google doc。不知道我这个观点对不对？

 

源代码下载：源码Convertor.rar